本發(fā)明公開了一種日內(nèi)風(fēng)功率的預(yù)測方法以及預(yù)測裝置，該方法包括：獲取多個初始大氣預(yù)測數(shù)據(jù)，每個初始大氣預(yù)測數(shù)據(jù)從不同數(shù)據(jù)源獲?。粚Χ鄠€初始大氣預(yù)測數(shù)據(jù)執(zhí)行融合操作，獲得融合后數(shù)據(jù)；對融合后數(shù)據(jù)執(zhí)行經(jīng)驗?zāi)B(tài)分解，獲得分解后數(shù)據(jù)；獲取復(fù)合神經(jīng)網(wǎng)絡(luò)模型；基于復(fù)合神經(jīng)網(wǎng)絡(luò)模型對分解后數(shù)據(jù)進(jìn)行分析，生成對應(yīng)的日內(nèi)風(fēng)功率預(yù)測值。通過對多個數(shù)據(jù)源的天氣數(shù)據(jù)進(jìn)行精確性處理，提高天氣預(yù)報數(shù)據(jù)的精確性，對天氣數(shù)據(jù)中的風(fēng)電場數(shù)據(jù)進(jìn)行經(jīng)驗?zāi)B(tài)分解，將原始的基于時序的天氣數(shù)據(jù)轉(zhuǎn)換為能夠輸入智能學(xué)習(xí)模型進(jìn)行處理的平穩(wěn)數(shù)據(jù)，通過智能化學(xué)習(xí)模型對上述數(shù)據(jù)進(jìn)行自動學(xué)習(xí)，輸出精準(zhǔn)的超短期風(fēng)功率預(yù)測值，滿足了技術(shù)人員的實際需求。